در دو دهه گذشته، یادگیری ماشین و یادگیری عمیق (شبکه هایعصبی) جهشی باورنکردنی را تجربه کرده اند. به لطف کتابخانه ها و ابزارهای بسیار متنوع و قدرتمند، امروزه حتی برنامه نویسانی که تفریبا هیچ چیز از این فناوری ها نمی دانند، می توانند فقط با چند خط کدنویسی سیستم های هوشمند بسازند، سیستم هایی که از دنیای اطراف یاد می گیرند و هر روز هوشمندتر از قبل می شوند. کتاب ((آموزش عملی یادگیری ماشین و یادگیری عمیق)) با مثال های عملی متعدد، مقدار مناسبی مباحث نظری، و استفاده گسترده از کتابخانه های آماده و چارچوب برنامه نویسی پایتون نقش برجسته و موثرتری در انتقال این مفاهیم و فناوری های جدید به نسل جوان داشته است. ویژگی های مهم کتاب حاضر عبارتند: * آموزش مبانی یادگیری ماشین و یادگیری عمیق (شبکه های عصبی) * یادگیری نظارت شده و نظارت نشده * طراحی، تنظیم دقیق، آموزش و توزیع مدل های هوش مصنوعی * اجرای پروژه های یادگیری ماشین از صفر تا صد با Scikit-Learn * ایجاد انواع معماری های شبکه عصبی برای اجرای وظایف طبقه بندی و رگرسیون با Keras و TensorFlow2 *طراحی مدل های بینایی ماشین (تشخیص چهره و اشیا)، پرازش زبان طبیعی، و ترجمه ماشینی * معرفی تکنیک های مختلف نظارت نشده، مانند کاهش ابعاد، خوشه بندی، و تشخیص ناهنجاری * معرفی تکنیک های مختلف نظارت نشده، مانند کاهش ابعاد، خوشه بندی، و تشخیص ناهنجاری * ... و دهها موضوع و جذاب و متنوع دیگر فهرست: 1. چشم انداز یادگیری ماشین 2. یک پروژه یادگیری ماشینن 3. طبقه بندی 4. آموزش مدل 5. ماشین بردار پشتیبان 6. درخت تصمیم 7. یادگیری جمعی و جنگل تصادفی 8. کاهش ابعاد 9. یادگیری نظارت نشده